Wav2Letter Convolutional ASR
Wav2Letter jẹ eto idanimọ ọrọ ipari-si-opin lati ọdọ Facebook AI ti o lo awọn nẹtiwọọki iṣọn-ọrọ nikan, ko si loorekoore.
Akopọ
O ṣe pataki bi yiyan ti o yara, ti o rọrun ti o fihan pe CNN nikan le ṣe atunkọ ọrọ ni ifigagbaga.
Jin Dive
Agbekale nipasẹ Facebook AI Iwadi ni ọdun 2016, Wav2Letter bu lati loorekoore ti o ga julọ ati awọn isunmọ ti o da lori HMM nipa gbigbe ara le patapata lori awọn nẹtiwọọki aifọkanbalẹ lati ya aworan ohun taara si awọn ohun kikọ (awọn lẹta), nitorinaa orukọ naa. O kọkọ ni akọkọ pẹlu pipadanu AutoSegCriterion (ASG) aṣa, yiyan ti o rọrun si pipadanu CTC ti o wọpọ julọ ti o sọ aami òfo silẹ ati awọn iyipada lẹta awoṣe taara. Ti a kọ sinu C ++ nipa lilo ifẹhinti Flashlight/ArrayFire, o jẹ iṣelọpọ fun iyara lori Sipiyu ati GPU mejeeji. Awọn ẹya ti o tẹle, Wav2Letter ++ ati iyatọ ti o ni kikun ti o ni iyipada, ti iwọn si awọn ipilẹ data nla ati ṣaṣeyọri awọn oṣuwọn aṣiṣe ọrọ idije lori Librispeech. Apẹrẹ convolution-nikan jẹ ki o jọra gaan ati ore-ifẹ ni akawe si awọn decoders RNN lẹsẹsẹ.
Imọ-imọ-ẹrọ
Wav2Letter ṣe akopọ awọn iyipada igba akoko 1D lori awọn ẹya akositiki, pẹlu ipele kọọkan ti n gbooro aaye gbigba nitorinaa awọn akopọ ti o jinlẹ mu ipo gigun laisi loorekoore. Nitori awọn ilana ilana gbogbo awọn igbesẹ akoko ni afiwe, ikẹkọ ati itọkasi jẹ iyara. Pipadanu ASG atilẹba jẹ iru si CTC ṣugbọn yọkuro ami iyasọtọ ti o ṣofo ati ṣafikun awọn ikun iyipada lẹta-si-lẹta ti o fojuhan, ti n ṣe agbejade ami iyasọtọ ti o yatọ ni kikun ti o ṣe deede ohun afetigbọ-ipari si iṣelọpọ kikọ laisi awọn aami-fireemu kọọkan.
Ipa Ilana
Wiwọle ati arọwọto
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
Iye owo ati isuna
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Iyara ati iwọn
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Ojo iwaju ti Wav2Letter Convolutional ASR
Ila taara Wav2Letter n gbe lori ina Filaṣi, ile ikawe ti ẹrọ C++ ti Facebook, o si sọ fun awọn awoṣe ti ara ẹni abojuto wav2vec ti o jẹ gaba lori bayi. Ẹkọ ti o gbooro, ti ariyanjiyan ati awọn faaji ti o jọra le baamu atunwi, jẹun taara sinu ASR ti o da lori transformer. Reti awọn ọna ṣiṣe iwaju lati tẹsiwaju yiya Wav2Letter tcnu lori daradara, ni afiwe, iyatọ ni kikun awọn opo gigun ti ipari-si-opin lakoko ti o wa lori iṣaju iṣaju ti ara ẹni fun awọn ede orisun kekere.
Real-World imuse
Igbasilẹ akoko-gidi nibiti aisi-kekere, itọka afiwera jẹ diẹ niyelori ju awọn aaye diẹ ti deede
Lori ẹrọ tabi idanimọ ọrọ ti o ni asopọ Sipiyu ti ko le ni agbara awọn decoders loorekoore
Awọn ipilẹ iwadi ti o ṣe afiwe ASR convolutional lodi si RNN ati awọn ọna ẹrọ oluyipada lori Librispeech
Ṣiṣẹ bi ipilẹ imọ-ẹrọ fun ile-ikawe Flashlight Facebook ati awọn awoṣe wav2vec nigbamii
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Wav2Letter Convolutional ASR quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Convolutional nkankikan Networks
Awọn ibeere ti a beere nigbagbogbo
Kini Wav2Letter Convolutional ASR?
Wav2Letter jẹ eto idanimọ ọrọ ipari-si-opin lati ọdọ Facebook AI ti o lo awọn nẹtiwọọki iṣọn-ọrọ nikan, ko si loorekoore. O ṣe pataki bi iyara, yiyan ti o rọrun ti o fihan pe CNNs nikan le ṣe igbasilẹ ọrọ ni idije.
Kini faaji nẹtiwọọki nkankikan ti Wav2Letter gbarale iyasọtọ?
Wav2Letter jẹ ohun akiyesi fun lilo awọn nẹtiwọọki alakikanju nikan, yago fun isọdọtun patapata.
Ẹgbẹ wo ni akọkọ ni idagbasoke Wav2Letter?
Wav2Letter jẹ ifihan nipasẹ Facebook AI Iwadi ni ọdun 2016 ati nigbamii ti o wa sinu ile-ikawe Flashlight.
Kini 'lẹta' ni Wav2Letter tọka si?
Wav2Letter maapu fọọmu ohun afetigbọ taara si ọna ti awọn kikọ (awọn lẹta), ọna ipari-si-opin.
Bawo ni ipadanu AutoSegCriterion (ASG) atilẹba ṣe yatọ si pipadanu CTC ti o wọpọ diẹ sii?
ASG ju aami òfo CTC silẹ ati dipo ṣafikun awọn ikun iyipada ti o han gbangba laarin awọn lẹta lakoko ti o ku ni kikun iyatọ.
Kini anfani ilowo bọtini kan ti apẹrẹ convolution-nikan ti Wav2Letter?
Ko dabi awọn RNN ti o tẹle, awọn iyipada le ṣe iṣiro ni afiwe ni gbogbo akoko, ṣiṣe eto ni iyara ati lilo daradara.